Centros de Atención Infantil por municipio

Librerías utilizadas

if (!require(pacman)) install.packages("pacman")
library(pacman) ; p_load("readxl", 
                         "dplyr", 
                         "tidyverse", 
                         "writexl", 
                         "sf",
                         "leaflet",
                         "plotly",
                         "ggplot2",
                         "tidyr",
                         "patchwork",
                         "stringr",
                         "svglite",
                         "scales",
                         "viridis")

Construcción de las bases

Carga de archivo y selección de variables

La base que utilizaremos contiene información de los Centros de Atención Infantil (CAI) de cuatro fuentes distintas: SNDIF, DENUE, IMSS e ISSSTE. Esta base contiene 47 variables, de las cuales utilizaremos 25 que contienen la información que necesitamos

base_cai <- read_excel("BASE_FINAL_CAI.xlsx", 
                       sheet = "CAI_FINAL") %>% 
  mutate(
    base = case_when(base == "SNIDF" ~ "SNDIF",
                     TRUE ~ base),
    telefono = as.character(telefono),
    correoelec = as.character(correoelec),
         www = as.character(www),
         latitud = as.numeric(latitud),
         longitud = as.numeric(longitud)) %>% 
  select(-codigo_act, -per_ocu:-manzana,-tipoUniEco, -fecha_alta)

str(base_cai)

## tibble [10,014 × 25] (S3: tbl_df/tbl/data.frame)
##  $ base         : chr [1:10014] "SNDIF" "SNDIF" "SNDIF" "SNDIF" ...
##  $ cve_ent      : chr [1:10014] "01" "01" "01" "02" ...
##  $ nom_ent      : chr [1:10014] "Aguascalientes" "Aguascalientes" "Aguascalientes" "Baja California" ...
##  $ cve_mun      : chr [1:10014] "007" "001" "001" "004" ...
##  $ nom_mun      : chr [1:10014] "Rincón De Romos" "Aguascalientes" "Aguascalientes" "Tijuana" ...
##  $ cve_integrada: chr [1:10014] "01007" "01001" "01001" "02004" ...
##  $ nom_cai_guard: chr [1:10014] "CENDI DIF MA DEL ROSARIO LUEVANO MARTINEZ" "CAI SAN MARCOS" "CENTRO DE DESARROLLO INFANTIL TERESA DE CALCUTA" "CARITAS FELICES" ...
##  $ tipo_asent   : chr [1:10014] "MIGUEL HIDALGO" "SAN MARCOS" "INSURGENTES" "COLONIA" ...
##  $ nom_asent    : chr [1:10014] "COLONIA" "COLONIA" "COLONIA" "VALLE VERDE" ...
##  $ tipo_vial    : chr [1:10014] "CALLE" "CALLE" "CALLE" "CALLE" ...
##  $ nom_vial     : chr [1:10014] "BAJA CALIFORNIA SUR" "ALEJANDRO TOPETE DEL VALLE" "SERAPIO RENDON" "NOVENA" ...
##  $ num_ext      : chr [1:10014] "304" "105" "SN" "22397" ...
##  $ cp           : chr [1:10014] "20417" "20070" "20287" "22204" ...
##  $ nombre_act   : chr [1:10014] "Sector Público" "Sector Público" "Sector Público" "Sector Público" ...
##  $ telefono     : chr [1:10014] NA NA NA NA ...
##  $ correoelec   : chr [1:10014] NA NA NA NA ...
##  $ www          : chr [1:10014] NA NA NA NA ...
##  $ latitud      : num [1:10014] NA NA NA NA NA NA NA NA NA NA ...
##  $ longitud     : num [1:10014] NA NA NA NA NA NA NA NA NA NA ...
##  $ pob_est      : num [1:10014] 152797 152797 152797 333375 333375 ...
##  $ hom_est      : num [1:10014] 77786 77786 77786 170403 170403 ...
##  $ muj_est      : num [1:10014] 75011 75011 75011 162972 162972 ...
##  $ pob_mun      : num [1:10014] 5838 77580 77580 141718 141718 ...
##  $ hom_mun      : num [1:10014] 2958 39476 39476 72606 72606 ...
##  $ muj_mun      : num [1:10014] 2880 38104 38104 69112 69112 ...

Descripción de variables

Variables	Descripción
base	Fuente de información a la que pertenece el registro (SNDIF, DENUE, IMSS o ISSSTE)
cve_ent, nom_ent	Clave y nombre de entidad federativa en donde se encuentra el CAI.
cve_mun, nom_mun	Clave y nombre del municipio en donde se encuentra el CAI.
cve_integrada	Clave única, se compone por la clave de entidad y la de municipio.
nom_cai_guard	Nombre del CAI o guardería
tipo_asent, nom_asent, tipo_vial, nom_vial, num_ext, cp	Información de ubicación del CAI: tipo y nombre de asentamiento, tipo y nombre de vialidad, número exterior del CAI y código postal.
nombre_act	Tipo de CAI (público o privado)
telefono, correoelec, www	Información de contacto del CAI: teléfono, correo electrónico y página web.
latitud, longitud	Latitud y longitud de ubicación del CAI.
pob_est, hom_est, muj_est	Proyección de población de 0 a 5 años a nivel estatal total y por sexo (hombre, mujer).
pob_mun, hom_mun, muj_mun	Proyección de población de 0 a 4 años a nivel municipal total y por sexo (hombre, mujer).

Datos por municipio

# Para obtener el número y tipo de CAI por municipio, primero agrupamos por clave y tipo de CAI para después sumar por cada grupo creado. Posteriormente transformamos la base de formato largo (una fila por cada tipo de CAI en cada municipio) a formato ancho (una fila por municipio con una columna por cada tipo de CAI).

tipo_cai <- base_cai %>% 
  group_by(cve_integrada, base) %>% 
  summarize(count = n()) %>% 
  pivot_wider(names_from = base, 
              values_from = count, 
              values_fill = 0)

# A la base creada, se agrega una variable que sume el total de CAI en el municipio
tipo_cai$tot_cai <- rowSums(tipo_cai[,2:5]) 
tipo_cai$cve_ent <- substr(tipo_cai$cve_integrada, 1, 2)

# Para obtener los valores de población, primero se seleccionan las variables y luego se filtran los valores únicos en cve_integrada
poblaciones <- base_cai %>%
  select(cve_integrada, nom_ent, nom_mun, pob_est:muj_mun) %>% 
  distinct(cve_integrada, .keep_all = TRUE)

#La base final se obtiene uniendo las dos anteriores
cai_mun <- left_join(poblaciones, 
                     tipo_cai, 
                     by = "cve_integrada") %>% 
  arrange(cve_integrada)

La base de datos creada contiene información por municipio de la proyección de población a nivel estatal y municipal, además del número y tipo de CAI.

head(cai_mun)

write_xlsx(cai_mun, path = "cai_mun.xlsx")

Datos por entidad federativa

# Utilizando la base de CAI por municipio, primero agrupamos por entidad y después sumamos las filas por cada tipo de CAI.
agregados <- cai_mun %>%
  group_by(cve_ent) %>% 
  summarize(SNDIF = sum(SNDIF, na.rm=T),
            DENUE = sum(DENUE, na.rm=T),
            IMSS = sum(IMSS, na.rm=T),
            ISSSTE = sum(ISSSTE, na.rm=T))

cai_ef <- cai_mun %>% 
  select(cve_ent, nom_ent, pob_est) %>% 
  left_join(agregados, by = "cve_ent") %>% 
  distinct(cve_ent, .keep_all = TRUE)

# Asimismo, agregamos una columna que sume el total de CAI en la entidad
cai_ef$tot_cai = rowSums(cai_ef[,4:7])
cai_ef$tasa = cai_ef$tot_cai/(cai_ef$pob_est/1000)

head(cai_ef)

# Exportamos la base a Excel
write_xlsx(cai_ef, path = "cai_ef.xlsx")

Mapas

Información geoespacial

La información geoespacial para elaborar los mapas la tomaremos del Marco Geoestadístico de INEGI. Para ello tenemos dos archivos:

• Estatal: http://www.conabio.gob.mx/informacion/gis/maps/geo/dest22gw.zip

• Municipal: http://www.conabio.gob.mx/informacion/gis/maps/geo/mun22gw.zip

# Los archivos .shp contienen la información geográfica de los polígonos por municipio y por entidad federativa que uniremos a sus respectivas bases de CAI
ef_shp <- read_sf("geo_ef/dest22gw.shp")

mun_shp <- read_sf("geo_mun/mun22gw.shp")

# Con estos comandos verificamos que la información corresponda a información geográfica
plot(ef_shp, max.plot = 2)

plot(mun_shp, max.plot = 2)

# Por último, unimos la información geográfica a cada base de datos y eliminamos variables repetidas
cai_ef <- left_join(ef_shp, 
                    cai_ef, 
                    by = c("CVEGEO" = "cve_ent")) %>% 
  select(-CVE_CAP,-NOM_CAP, -nom_ent) 

cai_ef <- cai_ef %>% mutate(NOM_ENT = str_trim(NOM_ENT))

cai_mun <- left_join(mun_shp, 
                     cai_mun, 
                     by = c("CVEGEO" = "cve_integrada")) %>% 
  select(-nom_ent, -nom_mun, -cve_ent)

Tasa CAI por niñas, niños y adolescentes a nivel nacional

plt_tasa <- cai_ef %>% 
  mutate(gpo_tasa = case_when(tasa < 0.5 ~ "0.0 - 0.5",
                              between(tasa, 0.5,1) ~ "0.5 - 1.0",
                              between(tasa, 1,1.5) ~ "1.0 - 1.5",
                              tasa > 2 ~ "Mayor a 2.0")) %>% 
  ggplot(aes(fill = gpo_tasa)) + 
  geom_sf(color = "transparent") + 
  geom_sf(data = ef_shp, fill = NA, linewidth = 0.43) + 
    scale_fill_manual(values = c("0.0 - 0.5" = "#D2ADCD",
                                 "0.5 - 1.0" = "#629DCA",
                                 "1.0 - 1.5" = "#206D9F",
                                 "Mayor a 2.0" = "#153468"),
                      guide = guide_legend(
                        keyheight = unit(6, units = "mm"),
                        keywidth = unit(6, units = "mm"),
                        label.position = "left",
                        title.position = "top",
                        ncol = 1)) + 
  scale_x_continuous(expand = expansion(c(0.19, 0))) +
  scale_y_continuous(expand = expansion(c(0.10, 0))) +
  labs(title = "Número de CAI por cada mil niñas y niños de 0 a 5 años") + 
  theme_void() + 
  theme(text = element_text(color = "#22211d"),
        legend.position = c(0.8, 0.85),
        legend.text = element_text(size = 14),
        legend.title = element_blank(),
        plot.margin = margin(t = 0, 
                             r = 0, 
                             b = 0, 
                             l = 0, 
                             unit = "cm"),
        plot.title = element_text(size = 24, 
                                  face = "bold",
                                  color = "#003366", 
                                  hjust = 0.5, 
                                  vjust = 0.5,
                                  margin = margin(t = 0, 
                                                  b = 1, 
                                                  unit = "cm"))
  )

plt_tasa_b <- cai_ef %>% arrange(desc(tasa)) %>%
  mutate(gpo_tasa = case_when(tasa < 0.5 ~ "0.0 - 0.5",
                              between(tasa, 0.5,1) ~ "0.5 - 1.0",
                              between(tasa, 1,1.5) ~ "1.0 - 1.5",
                              tasa > 2 ~ "Mayor a 2.0"),
         NOM_ENT = case_when(
           NOM_ENT == "Michoacán de Ocampo" ~ "Michoacán",
           NOM_ENT == "Coahuila de Zaragoza" ~ "Coahuila",
           NOM_ENT == "Veracruz de Ignacio de la Llave" 
           ~ "Veracruz", 
           TRUE ~ NOM_ENT)) %>% 
  ggplot(aes(x = reorder(NOM_ENT, -tasa), 
             y = tasa, 
             color = gpo_tasa)) +
  geom_point(size = 3) +
  geom_hline(yintercept = 0, 
             color = "#4e4d47", 
             linewidth = 0.5) +
  geom_segment(aes(x = NOM_ENT, 
                   xend = NOM_ENT, 
                   y = 0, 
                   yend = tasa)) +
  geom_text(aes(label = round(tasa,2)),
            ize = 3, hjust = -0.8) +
  coord_flip() +
  scale_color_manual(values = c("0.0 - 0.5" = "#D2ADCD",
                                 "0.5 - 1.0" = "#629DCA",
                                 "1.0 - 1.5" = "#206D9F",
                                 "Mayor a 2.0" = "#153468")) +
    theme_void() +
    theme(axis.line.x =element_blank(),
          axis.line.y=element_blank(),
          axis.title.x=element_blank(),
          axis.title.y=element_blank(),
          axis.text.x = element_blank(),
          axis.text.y = element_text(size = 11, 
                                     hjust = 1, 
                                     face = "bold",
                                     margin = margin(t = 0,
                                                     r = -1,
                                                     b = 0,
                                                     l = 0,
                                                     unit = "cm")),
          axis.ticks.x =element_blank(),
          axis.ticks.y=element_blank(),
          legend.position = "none",
          text = element_text(color = "#22211d")
          ) +
  labs(color = NULL)

combined_plot <- plt_tasa + inset_element(plt_tasa_b, 
                                          left = 0,
                                          bottom = 0, 
                                          right = 0.9, 
                                          top =0.6)
ggsave(str_c("Mapas/Tasa CAI Nacional_comb",".png"),
       height = 8, width = 12, dpi = 1000)

combined_plot

Número de CAI por municipio

# Mapa nacional con el total de CAI
plt_mun <- cai_mun %>% 
  mutate(cat_cai = cut(tot_cai,
                       breaks = c(-Inf, 10, 20, 30, Inf),
                       labels = c("1-10", "11-20", "21-30", "Más de 30"))) %>% 
  ggplot(aes(fill = cat_cai)) + 
  geom_sf(color = "#5F5F5F") + 
  geom_sf(data = ef_shp, fill = NA, linewidth = 0.5) + 
    scale_fill_manual(values = c("1-10" = "#D2ADCD",
                                 "11-20" = "#629DCA",
                                 "21-30" = "#206D9F",
                                 "Más de 30" = "#153468"),
                      na.value = "#7F7F7F",
                      labels = c("1-10", 
                                 "11-20", 
                                 "21-30", 
                                 "Más de 30", "Ninguno"),
                      guide = guide_legend(
                        keyheight = unit(6, units = "mm"),
                        keywidth = unit(6, units = "mm"),
                        label.position = "right",
                        title.position = "top",
                        ncol = 1)) + 
  scale_x_continuous(expand = expansion(c(0.19, 0))) +
  scale_y_continuous(expand = expansion(c(0.10, 0))) +
  labs(title = "Número de CAI a nivel municipal",
       fill = "Número de CAI") +
  theme_void() + 
  theme(text = element_text(color = "#22211d"),
        legend.position = c(0.85, 0.75),
        legend.text = element_text(size = 14),
        legend.title = element_text(size = 16, 
                                    face = "bold", 
                                    hjust = 0.5),
        plot.title = element_text(size = 24, 
                                  face = "bold",
                                  color = "#003366", 
                                  hjust = 0.5, vjust = 0.5,
                                  margin = margin(t = 0, 
                                                  b = 1, 
                                                  unit = "cm")),
        plot.margin = margin(t = 0.1, 
                             r = 0.2, 
                             b = 0.5, 
                             l = 0, 
                             unit = "cm")
        )
  
totales_cai <- cai_ef %>% 
  st_set_geometry(NULL) %>% 
  summarise(Privados = sum(DENUE, na.rm = TRUE),
            IMSS = sum(IMSS, na.rm = TRUE),
            ISSSTE = sum(ISSSTE, na.rm = TRUE),
            SNDIF = sum(SNDIF, na.rm = TRUE)) %>%
  pivot_longer(cols = everything(), 
               names_to = "categoria", 
               values_to = "total") %>% 
  mutate(text_color = ifelse(categoria == "DENUE", 
                             "#FFFFFF", 
                             "#22211d"))

plt_tot<-ggplot(totales_cai, 
                aes(x = reorder(categoria, -total), 
                    y = total, 
                    fill = categoria)) +
  geom_bar(stat = "identity") +
  labs(title = "Número de CAI por categoría",
       y = "Número de CAI") +
  coord_flip() +
  scale_fill_manual(values = c("Privados" = "#536493",
                               "IMSS" = "#CC99FF",
                               "ISSSTE" = "#EBB452",
                               "SNDIF" = "#0099CC")) +
  geom_text(aes(label = comma(total), color = text_color),
            position = position_stack(vjust = 0.5),
            hjust = -0.1,
            size = 4,
            color = "#22211d") +
  scale_y_continuous(labels = label_comma(scale = 1e-3, 
                                          suffix = "k")) +
  scale_color_identity() +
  theme_void() + 
  theme(text = element_text(color = "#22211d"),
        title = element_text(hjust = -0.5, face = "bold"),
        axis.text.x = element_blank(),
        axis.text.y = element_text(size = 10, hjust = 0),
        legend.position = "none",
        legend.text = element_text(size = 14),
        legend.title = element_text(size = 16, 
                                    face = "bold", 
                                    hjust = 0.5),
        plot.title = element_text(size = 16, 
                                  face = "bold", 
                                  hjust = 0),
        plot.margin = margin(t = 0, r = 0, b = 0, l = 0, 
                             unit = "cm")
        )

comb_plt_numcai <- plt_mun + inset_element(plt_tot, 
                                           left = 0,
                                           bottom = 0, 
                                           right = 0.7, 
                                           top =0.6)

comb_plt_numcai

ggsave(str_c("Mapas/Num CAI Nacional_comb",".png"),
       height = 8, width = 12, dpi = 1000)

Mapas por entidad federativa

Dada la forma de las entidades federativas, se debe acomodar la leyenda del gráfico para pueda visualizarse correctamente. A continuación se presentan los valores que se deben sustituir en legend.position = c()

CVE_ENT	legend.position
1:4, 11, 13:16, 18, 21:23,	c(0.06, 0.75)
5, 7:10,	c(1.1, 0.75)
12, 19, 20, 24, 25, 27, 29, 30	c(0.9, 0.85)
17	c(0.03, 0.85)
26, 28	c(0.06, 0.6)
6	c(0.85, 0.75)
31	c(0.06, 0.75)
32	c(0.03, 0.75)

En el caso de Colima (6) y Yucatán (31), se tiene que reducir la superficie graficada, esto se hace con el comando coord_sf(xlim= c(), ylim=c()). Dentro de este comando se colocan los límites inferior y superior de X y Y para los cuales se va a graficar, estos límites se obtuvieron de Google Maps y corresponden a la longitud y latitud geográfica de cada entidad federativa.

CVE_ENT	coord_sf()
6	xlim = c(-105,-103), ylim = c(18.65, 19.6)
31	xlim = c(-90.7,-87.4), ylim = c(19.55117, 21.9)

Los valores tanto de legend.position como de coord_sf() se deben sustituir para cada caso (a menos que se incorporen como una variable o valor dentro de la función, tipo ifelse)

sel_edo = 32

num_cai_mun <- function(sel_edo){
  
map_cai <- cai_mun %>% 
  filter(as.numeric(CVE_ENT) == sel_edo) %>% 
  mutate(tot_cai = replace_na(tot_cai, 0),
         cat_cai = case_when(tot_cai == 0 ~ "Ninguno",
                             between(tot_cai, 1,10) ~ "1 - 10",
                             between(tot_cai, 11,20) ~ "11 - 20",
                             between(tot_cai, 21,30) ~ "21 - 30",
                             tot_cai > 30 ~ "Más de 30")
         )

nombre_entidad <- map_cai$NOM_ENT %>% unique() 
num_ent <- map_cai$CVE_ENT %>% unique()

f_plt <- ggplot(map_cai) +
  geom_sf(aes(fill = cat_cai), lwd = 0.45, color = "black") +
  # coord_sf(xlim = c(-90.7,-87.4), ylim = c(19.55117, 21.9)) +
  scale_fill_manual(values = c("Ninguno" = "#7F7F7F",
                               "1 - 10" = "#D2ADCD",
                               "11 - 20" = "#629DCA",
                               "21 - 30" = "#206D9F",
                               "Más de 30" = "#153468"),
                    guide = guide_legend(
                      keyheight = unit(6, units = "mm"),
                      keywidth = unit(6, units = "mm"),
                      label.position = "right",
                      title.position = "top",
                      ncol = 1,
                      shape = 16,
                      size = 6)) +
  labs(fill = "Número de CAI",
       title = nombre_entidad) +
  theme_void() +
  theme(text = element_text(color = "#22211d"),
        plot.title = element_text(size = 24, 
                                  face = "bold",
                                  color = "#003366", 
                                  hjust = 0.5, 
                                  vjust = 0.5,
                                  margin = margin(t = 5, b = 5)),
        legend.position = c(0.06, 0.75),
        legend.text = element_text(size = 14),
        legend.title = element_text(size = 16, 
                                    face = "bold", 
                                    hjust = 0.5),
        legend.key = element_rect(fill = "transparent", 
                                  color = "transparent"),
        plot.margin = margin(t = 0, r = 0, 
                             b = 0, l = 0, 
                             unit = "cm")
        )

ggsave(str_c("Mapas/CAI_", num_ent, nombre_entidad, ".png"),
         plot = f_plt, height = 8, width = 12, dpi = 1000)


}

num_cai_mun(sel_edo = 32)

for (estado_para_mapa in 1:32){
  num_cai_mun(sel_edo = estado_para_mapa)
  print(str_c("Mapa_", estado_para_mapa, "/32 generado"))
}

Gráficas de proporción de CAI por tipo

sel_edo = 32

prop_cai_mun <- function(sel_edo){
  
prop_cai <- cai_mun %>% 
  filter(as.numeric(CVE_ENT) == sel_edo ) %>%
  filter(!is.na(tot_cai)) %>% 
  select(CVE_ENT, NOM_ENT, NOMGEO, DENUE, IMSS, ISSSTE, SNDIF) %>%
  pivot_longer(cols = c(DENUE, IMSS, ISSSTE, SNDIF), 
               names_to = "categoria", 
               values_to = "valor") %>% 
  group_by(CVE_ENT, NOMGEO) %>% 
  mutate(total_geo = sum(valor)) %>%           
  ungroup() %>% 
  mutate(porcentaje = round(valor / total_geo * 100,2)) 

nombre_entidad <- prop_cai$NOM_ENT %>% unique() 
num_ent <- prop_cai$CVE_ENT %>% unique()

orden_municipios <- prop_cai %>% 
  filter(categoria == "DENUE") %>% 
  arrange(porcentaje) %>% 
  pull(NOMGEO)

prop_cai <- prop_cai %>%  filter(porcentaje > 0)
  

plt_prop_mun <-ggplot(prop_cai,
                aes(x = factor(NOMGEO, 
                               levels = orden_municipios),
                    y = porcentaje,
                    fill = categoria)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = ifelse(porcentaje >= 6,
                               sprintf("%.2f%%", porcentaje), "")),
            position = position_stack(vjust = 0.5),
            size = 3.5,
            color = "white",
            fontface = "bold") +
  labs(title = nombre_entidad,
       subtitle = "Porcentaje de CAI en los municipios por categoría",
       y = "Porcentaje (%)") +
  coord_flip() +
  scale_fill_manual(values = c("DENUE" = "#536493",
                               "IMSS" = "#CC99FF",
                               "ISSSTE" = "#EBB452",
                               "SNDIF" = "#0099CC"),
                    labels = c("DENUE" = "Privados",
                               "IMSS" = "IMSS",
                               "ISSSTE" = "ISSSTE",
                               "SNDIF" = "SNDIF")) +
  scale_color_identity() +
  theme_void() +
  theme(text = element_text(color = "#22211d"),
        axis.text.y = element_text(size = 11, 
                                   hjust = 1, 
                                   face = "bold",
                                   margin = margin(t = 0, 
                                                   r = -1, 
                                                   b = 0, 
                                                   l = 0, 
                                                   unit = "cm")),
        legend.position = "top",
        legend.text = element_text(size = 11),
        legend.title = element_blank(),
        plot.title = element_text(size = 24, 
                                  face = "bold", 
                                  color = "#003366", 
                                  hjust = 0, 
                                  vjust = 0.5,
                                  margin = margin(t = 5, b = 5)),
        plot.subtitle = element_text(size = 20, 
                                     face = "bold",
                                     color = "#4e4d47", 
                                     hjust = 0, 
                                     vjust = 0.5,
                                     margin = margin(t = 0, 
                                                     b = 1, 
                                                     unit = "cm")),
        plot.margin = margin(t = 0, 
                             r = 0, 
                             b = 0, 
                             l = 0.5, 
                             unit = "cm")
        )

ggsave(str_c("Mapas/Prop CAI_", num_ent, nombre_entidad, ".svg"),
         plot = plt_prop_mun, height = 8, width = 12, dpi = 1000)
}

prop_cai_mun(sel_edo = 32)

for (estado_para_barra in 1:32){
  prop_cai_mun(sel_edo = estado_para_barra)
  print(str_c("Grafico_", estado_para_barra, "/32 generado"))
}

Entidades federativas con muchos municipios

Los gráficos de entidades federativas con muchos municipios se tienen que dividir para poder visualizar correctamente los datos. Las siguientes entidades federativas se dividen en:

• Puebla y Edo. Mex: 4 gráficos

• Chiapas, Jalisco y Michoacán: 3 gráficos

• Hidalgo: 2 gráficos

prop_cai <- cai_mun %>% 
  filter(as.numeric(CVE_ENT) == 11) %>% #aquí se debe indicar el número del estado
  filter(!is.na(tot_cai)) %>% 
  select(CVE_ENT, NOM_ENT, NOMGEO, DENUE, IMSS, ISSSTE, SNDIF) %>%  
  pivot_longer(cols = c(DENUE, IMSS, ISSSTE, SNDIF), 
               names_to = "categoria", 
               values_to = "valor") %>% 
  group_by(CVE_ENT, NOMGEO) %>% 
  mutate(total_geo = sum(valor)) %>%           
  ungroup() %>% 
  mutate(porcentaje = round(valor / total_geo * 100,2)) 

nombre_entidad <- prop_cai$NOM_ENT %>% unique() 
num_ent <- prop_cai$CVE_ENT %>% unique()

orden_municipios <- prop_cai %>% 
  filter(categoria == "DENUE") %>% 
  arrange(porcentaje) %>% 
  pull(NOMGEO)

prop_cai <- prop_cai %>%  filter(porcentaje > 0)

num_municipios <- length(orden_municipios)

mun_split <- split(orden_municipios, 
                   ceiling(seq_along(orden_municipios) / (num_municipios / 2)))

crear_grafico <- function(municipios, indice) {
  plt <- ggplot(prop_cai %>% filter(NOMGEO %in% municipios),
                aes(x = factor(NOMGEO, levels = municipios),
                    y = porcentaje,
                    fill = categoria)) +
    geom_bar(stat = "identity") +
    geom_text(aes(label = ifelse(porcentaje >= 6,
                                 sprintf("%.2f%%", porcentaje), "")),
              position = position_stack(vjust = 0.5),
              size = 3.5, color = "white", fontface = "bold") +
    labs(title = nombre_entidad,
         subtitle = paste("Porcentaje de CAI en los municipios por categoría (",
                          indice, " de 2)", sep = ""),
         y = "Porcentaje (%)") +
    coord_flip() +
    scale_fill_manual(values = c("DENUE" = "#536493",
                                 "IMSS" = "#CC99FF",
                                 "ISSSTE" = "#EBB452",
                                 "SNDIF" = "#0099CC"),
                      labels = c("DENUE" = "Privados",
                                 "IMSS" = "IMSS",
                                 "ISSSTE" = "ISSSTE",
                                 "SNDIF" = "SNDIF")) +
    theme_void() +
    theme(text = element_text(color = "#22211d"),
          axis.text.y = element_text(size = 11, hjust = 1, face = "bold",
                                     margin = margin(t = 0, 
                                                     r = -1, 
                                                     b = 0, 
                                                     l = 0, 
                                                     unit = "cm")),
          legend.position = "top",
          legend.text = element_text(size = 11),
          legend.title = element_blank(),
          plot.title = element_text(size = 24, 
                                    face = "bold",
                                    color = "#003366", 
                                    hjust = 0, 
                                    vjust = 0.5,
                                    margin = margin(t = 5, b = 5)),
          plot.subtitle = element_text(size = 20, 
                                       face = "bold",
                                       color = "#4e4d47", 
                                       hjust = 0, 
                                       vjust = 0.5,
                                       margin = margin(t = 0, 
                                                       b = 1, 
                                                       unit = "cm")),
          plot.margin = margin(t = 0, 
                               r = 0, 
                               b = 0, 
                               l = 0.5, 
                               unit = "cm")
          )
  
  ggsave(str_c("Mapas/Prop CAI_", num_ent, nombre_entidad, "_", indice, ".svg"),
         plot = plt, height = 8, width = 12, dpi = 1000)
}

# Esta parte se modifica según la entidad federativa y el número de gráficos que se deben generar
crear_grafico(mun_split[[2]], 1)
crear_grafico(mun_split[[1]], 2)
# crear_grafico(mun_split[[2]], 3)
# crear_grafico(mun_split[[1]], 4)